20、医疗数据预测分析：从胎儿心脏病到COPD与心血管疾病

医疗数据预测分析：从胎儿心脏病到COPD与心血管疾病

1. 胎儿心脏病预测：基于ELM的研究

在胎儿心脏病预测的研究中，使用了单隐层前馈神经网络（SLFNs）。对于N个随机不同样本((x_i, t_i) \in R^d \times R^m)，具有L个隐藏节点且参数为((a_i, b_i))（(i \in {1, 2, \ldots, L})）的SLFNs在数学上可表示为：
(\sum_{i=1}^{L} \beta_i g_i(x_j) = \sum_{i=1}^{L} \beta_i G(a_i, b_i, x_j) = o_j)，其中(j \in {1, 2, \ldots, N})，(\beta_i)是第i个隐藏节点输出的权重，(g(x))是激活函数。

1.1 数据与特征选择

研究使用了胎儿监护（CTG）数据集，该数据集是多分类数据集，输出类别值为“3”的表示病理情况。为了预测胎儿心脏病，使用遗传算法（GA）来识别最相关的特征。在使用线性回归和Lasso进行交叉验证时，提取了相同的11个属性，分别是DS、DP、LB、MLTV、ASTV、UC、ALTV、Width、Max、Median和Variance。使用岭回归作为交叉验证函数在GA中，则生成了12个最佳特征，包括UC、DS、ASTV、LB、DP、MLTV、Min ALTV、Variance、Max、Nmax和Median。

1.2 激活函数与性能评估

为了评估不同的极限学习机（ELM）分类器性能，将新型激活函数“roots”与傅里叶、Sigmoid和双曲正切这三种标准激活函数进行了比较。比较的指标包括混淆矩阵、准确率、F分数、精确率和AUC。